close
人工智能

研究指深度學習將有助 5G 和 6G 網絡微調頻率減少干擾

在無線通訊的世界中,頻譜是一個相當有限的資源,小規模的無線通訊可能要花不少時間才找到沒有干擾的頻道,在無線通訊越來越普及的情況下則更加嚴重。不過未來可能可以透過深度學習技術來解決這個問題。

來自 Northeastern University 物聯網學院的研究員表示,目前越來越多的物聯網裝置出現,令無線網絡最佳化面對新的挑戰,在同一區域內,一個頻道範圍可能會由百多個裝置共用,要讓通訊頻率調整到最低干擾的難度與日俱增,傳統的計算方式已經不再有效。

而研究就希望可以透過深度學習技術,收集極大量的數據然後進行持續的分析,透過這個技術將可以快速在毫秒水平內計算出最佳的頻率,從而令通訊品質最佳化。研究表示,如果使用現有的計算方式,即使是市面上最強勁的內嵌式裝置都無法達成毫秒級的調整,而且機器學習無需使用雲端連線,令延遲情況進一步減少。

目前研究人員希望將深度學習模型進一步縮小,令它可以在細小的裝置上運作,同時讓其可以適應不同運算能力的裝置,在運算能力更強的裝置上提供更多功能,例如避免刻意的數據攻擊等。這樣的技術與其可以應用在 5G 和 6G 網絡上,減少其超高頻訊號的互相干擾問題。

來源:Venture Beat

Tags :5G6Gdeep learning
Antony Shum

The authorAntony Shum